[发明专利]一种验证搜索引擎关键词优化技术的方法

摘要

一种验证搜索引擎关键词优化技术的方法，根据企业业务确定核心关键词，搜索关键词对应的数据项，如本国每月搜索量、竞争程度和估算每次点击费用等，对上述关键词集合进行再降维处理，每个关键词用一五维向量表示，即增加首页网页数和总搜索页面数，进而由五维再降为四维，利用一种改进的密度聚类算法，初始化为k类，根据每个领域影响函数，挑选出符合条件的k个类，对上述k类再进行k‑means聚类处理，即可得到最佳分类，最后用模糊c均值聚类算法验证上述聚类结果的准确度，即为初始化隶属矩阵J，构建隶属约束条件，综合k类总目标函数，构建带有m个拉格朗日乘子的方程组，求出满足总目标函数最大的，根据判定条件可以得出最佳聚类结果。

主权项

一种验证搜索引擎关键词优化技术的方法，本发明涉及语义网络技术领域，具体涉及一种验证搜索引擎关键词优化技术的方法，其特征是，包括如下步骤：步骤1：根据企业业务确定核心关键词，利用搜索引擎搜集相关关键字，这些关键字在搜索引擎中有相应数据项，如本国每月搜索量、竞争程度和估算每次点击费用（CPC）等步骤2：结合企业产品和市场分析，筛选降维上述搜索到的相关关键字集合；步骤3：针对筛选降维后的关键词集合，通过搜索引擎搜索关键词对应的页面，这里记录首页网页数和总搜索页面数，即每个关键词由五维向量再降维为四维的，其具体计算过程如下：这里相关关键词个数为m,既有下列矩阵：、、、、依次为第i个关键词对应的本国每月搜索量、竞争程度、估算每次点击费用（CPC）、首页网页数、总搜索页面数再降维为四维，即为搜索效能，为价值率，即为下式：步骤4：利用一种改进的密度聚类算法，对上述关键词进行聚类处理，其具体子步骤如下：步骤4.1：利用基于领域的k‑means算法初始化簇步骤4.2：初始化每一个领域的影响函数，从数据对象集合D中按下述判定条件选择k个初始簇中心，其具体计算过程如下：上式为j类领域内数据对象的个数，为关键词i到对应领域内簇中心的距离，为簇中心的期望值上式为领域内第i个关键词对应的向量，为领域中的簇中心数据对象的向量判定条件如下：为设定好的阈值，只有满足上式条件则归为一簇步骤4.3：对每类关键词进行重新分配，按概率函数p(i)选择聚类中心，其具体计算过程如下：按值最大选择对应的聚类中心步骤4.4：根据判定函数的结果，重新计算各簇中心，其具体计算过程如下：满足上式，则重新计算各簇中心步骤4.5：如果簇中心发生变化，则转到步骤（2），否则迭代结束，输出聚类结果步骤5：利用模糊c均值聚类算法验证上述聚类结果的准确度，其具体的子步骤如下：步骤5.1：用值[0,1]间的数初始化隶属矩阵J，使其满足隶属的整个约束条件步骤5.2：根据影响函数构建k类总目标函数，再综合隶属的整个约束条件构建新的k类总目标函数，最后得出最佳k类中心步骤5.3：得到的聚类中心与上述步骤4得到的聚类中心相比较，既可以验证改进的密度聚类算法结果的准确度步骤6：根据企业具体情况，综合关键词效能优化和价值率优化，选择合适的关键词优化策略达到网站优化目标。